Livello: Intermedio
La modellazione di equazioni strutturali (SEM) è un framework che consente di studiare le associazioni tra variabili latenti osservate e non osservate. Molte applicazioni della SEM utilizzano dati trasversali e il framework è anche molto flessibile per la modellazione di dati longitudinali.
Questa presentazione descrive la modellazione della curva di crescita latente (LGCM) come strumento flessibile per caratterizzare le traiettorie di crescita nel tempo. Inizieremo spiegando brevemente i concetti di base della SEM, per poi introdurre come i valori medi possano essere incorporati nelle analisi per testare le teorie della crescita. Questo studio illustra la LGCM adattando il modello ai dati relativi all'ansia e ai disturbi di salute riferiti dai singoli individui durante la pandemia di COVID-19. La nostra analisi rivela che la resilienza predice modelli unici di cambiamento nelle traiettorie dell'ansia e dei sintomi generalizzati.
*Riproduci il video su questo sito, clicca su "CC" nell'angolo in basso a destra dello schermo e seleziona "Inglese" per visualizzare i sottotitoli in inglese.
Se desideri scaricare i materiali e i dati di questa presentazione, oppure guardare il video con la trascrizione in giapponese, clicca qui .
Vai alla pagina di ogni presentazione al Discovery Summit Americas 2021 Presentation.
(Tieni presente che ti verrà chiesto di accedere al tuo profilo SAS.)
